📈 economics

Auditing and Fixing Economic Validity in Tabular Foundation Models for Discrete Choice

本文提出了一种两阶段适配器，通过将表格基础模型的预测嵌入到效用最大化框架中，纠正其经济不一致性，从而在离散选择任务上实现更高的准确率，同时保证理论上有效的价格 - 需求关系。

原作者： Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang

发布于 2026-05-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Yingshuo Wang, Xian Sun, Yanhang Li, Zhichao Fan, Zexin Zhuang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在预测一个人会选择公交车、火车还是汽车作为通勤工具。你有两种工具可以协助你：

经济学专家：一种遵循人类行为严格规则的传统模型。它知道，如果提高票价，购买人数就会减少。它很可靠，但有时略显“愚钝”，会遗漏数据中的细微模式，从而导致预测不够准确。
超级智能人工智能：一种基于数百万个不同数据集训练的庞大“基础模型”。它极其聪明，能够发现专家所忽略的复杂模式，因此在预测人们实际选择方面要准确得多。然而，它有一个重大缺陷：它不理解基本逻辑。有时，它会预测如果提高公交车票价，更多人会购买车票。它甚至可能建议人们愿意付费以在交通拥堵中等待更长时间。

问题所在
该论文指出，虽然超级智能人工智能在推测过去方面表现出色，但用于规划未来却存在危险。如果城市规划者利用该人工智能来决定新的公交车票价，其不合逻辑的预测可能导致糟糕的决策（例如提高票价却预期乘客量增加）。

解决方案：“两阶段适配器”
作者提出了一种巧妙的修复方案，结合了双方的优势。这就像聘请一位资深建筑师和一位创意实习生共同设计一栋建筑。

第一阶段：资深建筑师（经济学专家）
首先，他们聘请资深建筑师来奠定地基。这位建筑师遵循严格的建筑规范（经济规律）。他们决定基本结构：“如果我们增加楼层，建筑就会变高；如果我们拆除墙壁，它就会变弱。”他们确保数学原理正确且逻辑完美。此时，建筑是安全的，但可能略显平淡。
第二阶段：创意实习生（人工智能）
接下来，他们引入创意实习生。实习生被允许添加装饰、粉刷墙壁并微调细节，使建筑看起来完全像实习生见过的真实建筑照片。关键在于，实习生不得触碰地基或承重墙。

工作原理
最终模型是一个混合体：

地基（资深建筑师的工作）保证了如果提高价格，需求就会下降。它确保了“时间价值”（人们对等待的厌恶程度）是正值且符合现实的。
装饰（实习生的工作）利用人工智能超智能的预测来微调准确性，捕捉资深建筑师所忽略的混乱的、现实世界的细节。

结果
该论文在真实的交通数据（如瑞士火车和伦敦公交车）上对此进行了测试：

原始人工智能：非常准确，但违反了经济规律（预测价格越高=乘客越多）。
传统专家：完美遵循经济规律，但准确性较低。
混合适配器：获得了两者的最佳效果。它的准确性几乎与原始人工智能相当（比传统模型恢复了高达 13 个百分点的准确性），同时保持了100% 的经济逻辑。

简而言之
该论文表明，你可以利用强大的“黑盒”人工智能来改进预测，但必须将其包裹在传统经济理论构建的“逻辑牢笼”之中。这确保了人工智能能帮助你预测将发生什么，而不会让它编造不可能的为何发生的情景，从而破坏政策决策。

技术摘要：离散选择中表格基础模型的经济有效性审计与修复

1. 问题陈述

表格基础模型（TFMs），如 TabPFN 和 Mitra，在离散选择任务上已展现出优于传统计量经济学模型（如多项 Logit 模型，MNL）的预测精度。然而，预测性能与经济有效性之间存在关键差距。虽然 TFMs 擅长模式识别，但其预测结果往往违反政策评估所需的基本经济逻辑：

单调性违反：提高某个选项的价格（或成本）有时反而会增加其预测的需求概率。
不合理的支付意愿（WTP）：推导出的时间价值（VOT）估计值经常为负，或比既定基准低几个数量级，这意味着旅行者偏好更长时间、更昂贵的行程。
可用性不合规：模型为物理上不可用的选项分配了非零概率。

标准的补救措施（如知识蒸馏，即在 TFM 的软标签上训练 MNL）之所以失败，是因为 MNL 的线性效用结构无法捕捉赋予 TFM 精度优势的非线性模式，从而导致一种“瓶颈”：在未能完全修复结构性缺陷的同时，精度却已丧失。

2. 方法论：两阶段行为适配器

作者提出了一种两阶段适配器，将 TFM 的预测嵌入到受经济理论约束的效用最大化框架中。该模型将选项 $k$ 的效用 $V_k(x_i)$ 定义为结构分量与基础模型修正项之和：

$V_k(x_i) = \underbrace{V_k^{struct}(x_i)}_{\text{经济结构}} + \underbrace{\alpha \log q_k(x_i) + g_k(q(x_i))}_{\text{FM 修正}}$

其中：

$V_k^{struct}$ 是标准的效用设定，包含受约束的参数（例如，时间和成本系数被约束为负值）。
$q_k(x_i)$ 是 TFM 预先计算的概率。
$\alpha$ 是学习到的标量权重。
$g_k$ 是一个小型神经网络，将 TFM 概率向量映射为残差修正项。

两阶段训练过程：
为防止 TFM 扭曲经济参数，模型分两个截然不同的阶段进行训练：

阶段 1（结构估计）：冻结修正项（ $\alpha=0, g_k=0$ ）。仅使用原始数据训练结构参数。这等同于拟合标准的 MNL，确保系数反映纯粹的经济基本面（时间/成本敏感性），而不受 TFM 影响。
阶段 2（修正学习）：冻结结构参数。仅训练 $\alpha$ 和 $g_k$ ，利用 TFM 的预测作为额外解释变量来最小化损失。

经济保障：

单调性：通过将成本和时间的参数化系数设为 $\beta = -\exp(\theta)$ ，模型在数学上保证了 $\beta < 0$ 。由于在政策扰动分析期间 TFM 修正项是固定的，因此更高的成本总是会降低效用。
解析式 VOT：时间价值通过结构系数的比率（ $\beta_{time}/\beta_{cost}$ ）解析计算得出，避免了数值微分问题。
可用性：不可用的选项被赋予 $V_k = -\infty$ ，确保其概率为零。

3. 主要贡献

行为审计框架：本文建立了一套协议，用于审计 TFMs 的单调性、VOT 合理性及可用性合规性，揭示出原始 TFMs 在这些测试中严重失败（例如，40–65% 的 VOT 估计值为负）。
新颖架构：引入两阶段适配器，将经济结构与预测精度解耦，使模型既能继承 TFM 的精度提升，又能严格遵守经济理论。
实证验证：证明了该方法在恢复 TFM 与 MNL 之间精度差距的同时，并未牺牲结构有效性。

4. 实验结果

该方法在两个交通数据集上进行了评估：Swissmetro（陈述偏好）和LPMC（来自伦敦的显示偏好）。

Swissmetro：
- 精度：适配器（使用 Mitra 或 TabPFN）达到了76.6%的精度，比标准 MNL（63.7%）提高了13 个百分点，并几乎与原始 TFM（77.7–78.0%）持平。
- 有效性：实现了100% 的单调性和0% 的可用性泄露。
- VOT：保持了79.7 瑞士法郎/小时的一致 VOT，与已发布的基准一致，而原始 TFM 则产生了不合理的估计值（例如 0.30 瑞士法郎/小时）。
LPMC：
- 精度：适配器达到了71.8–72.1%的精度，比 MNL（69.8%）提高了2.0–2.3 个百分点。
- 有效性：保持了100% 的单调性和一致的 VOT（公共交通为 1.76 英镑/小时，驾车为 18.3 英镑/小时）。
- 鲁棒性：在 10 个子样本中，适配器始终显示出正的精度增益（+2.2 ± 0.5 个百分点），并具有完美的单调性。

5. 意义与主张

本文主张，该适配器为在政策背景下部署基础模型提供了一条切实可行的路径，在这些场景中经济一致性是不可妥协的。

政策相关性：它解决了部署具有倒置价格 - 需求关系模型的风险，这种风险可能导致基础设施投资和票价制定决策的误导。
可推广性：该机制不仅限于 MNL；结构组件可被混合 Logit、嵌套 Logit 或其他受约束的选择模型所取代，而两阶段训练过程依然适用。
适度范围：作者承认局限性，指出目前的评估仅限于交通数据集和两种 TFM。他们表示，扩展到经济理论尚不成熟的领域（如医疗保健）需要特定领域的审计设计。如果 TFM 质量较差，该适配器旨在优雅地退化为独立的 MNL，而不是引入新的错误。